南极土著：全球南方需要怎样的中国AI？

【文/南极土著】

最近，在乌兹别克斯坦举行的丝路金融和科技论坛上，长期关注中国科技的《金融时报》记者Louise Lucas向乌兹别克斯坦总统府副主任、金融科技、数字化与人工智能司负责人Bobur Khodjaev提出了一个问题：

欧洲非常重视数字主权。乌兹别克斯坦在大模型等AI技术上，会对技术来源保持中立、择优使用，还是担心把自己绑定在“A国”或“B国”身上？

这个问题的指向非常清楚，所谓“A国”和“B国”，无非是美国和中国。

Khodjaev的回答也很坦率。他说，作为发展中国家，乌兹别克斯坦希望获得市场上所有可用的技术。如果具体谈美国和中国，那么美国企业提供顶尖的AI芯片和大模型，中国则提供成本低得多的开放权重模型，乌兹别克斯坦希望两类技术都能使用。与此同时，乌兹别克斯坦也在建设本国自主可控的AI基础设施。数字政府数据中心的首台大型超级计算机已于上月投入运行，未来12个月，算力规模计划扩大到目前的三倍。乌方还在研发本土AI模型，并准备将其用于教育、医疗、公共服务和金融等领域。

这个问题和回答都很有代表性。它们直接反映了全球南方国家面对中美AI企业时的真实想法：既希望使用最先进、最便宜的技术，又不愿把自己完全绑定在任何一个国家或供应商身上；既需要外部合作，也希望逐步建立本国能够控制的算力、模型和应用能力。

两周前，我受邀参加了在联合国日内瓦万国宫举行的“人工智能与全球南方对话”（AIFOD）。与会者包括全球南方国家的政府官员和政策人士，以及来自AI企业、国际组织、大学和研究机构的专家。会议主要讨论发展中国家如何看待和使用AI。

这些国家中，很多来自非洲、小岛国和东南亚。它们缺少先进芯片和成熟的本土云基础设施，本地语言数据也相对不足。中国和美国的AI产业以及中美科技竞争当然是重要背景，但会议主要关心的并不是中美谁会获胜，而是全球南方国家如何利用外部技术，建立符合自身语言、资源条件和发展目标的AI能力。

总体上，我有几个突出的参会感受：

第一，很多全球南方国家表达了对整个AI产业链被少数头部公司控制的担心，害怕过度依赖后不好更换供应商，以及供应商退出后，AI系统不能继续使用。

一些专家直言，大公司所一直强调的模型性能好或者开放权重，在这些担忧面前，其实都变得相对不那么关键了。

第二，总的来看，全球南方对中国AI企业最大的期待，是希望中国能够提供美国大厂之外的另一个选择，但他们最大的担心也是会不会摆脱了一套依赖，又进入另一套新的依赖。

会上有专家指出，中国开源模型在全球南方确实有比较明显的成本和性能优势，但这个优势不会自动变成政治上的信任。如果只是用中国大厂替代美国大厂，并没有真正解决过度依赖问题。

例如，安提瓜和巴布达的一位部长指出，训练和维护一个模型需要持续投入，推理服务本身也要花钱，中国企业如果长期依靠低价甚至免费，怎么形成稳定的商业模式？现在开放权重的中国企业最后会不会也还是要封闭API？如果我们减少了对美国公司的依赖，会不会随后又依赖上了中国公司？

第三，模型和token价格只是这些国家考虑的因素之一，而且往往不是最重要的。它们更关心中美企业是单纯通过跨境服务贸易销售模型，还是愿意帮助当地建立自己的AI能力，包括本地语言适配、边缘和离线部署、数据控制、人才培养，以及能否带动本地企业和开发者成长。

去年我参加新加坡东南亚研究所和国研院的一场对话时，东盟代表也提出了类似诉求。东南亚语言众多，各国的文化、制度和社会环境差异很大。直接把一个在美国或中国训练的通用模型搬过去，往往不能很好地理解当地语境，也难以真正进入公共服务和日常生产。

第四，小模型和端侧AI在全球南方具有很高的实际价值。

很多地区电力和网络条件有限，并不适合持续调用大型云端模型。能够在普通设备上运行、低带宽使用、在本地处理数据，并在断网后继续工作的模型，往往比排行榜上的领先更重要。模型是否支持灵活替换，也会直接影响客户是否愿意长期采用。

第五，很多专家，特别是一些全球南方国家的中小企业，都提到政府采购可能成为塑造全球南方AI市场的重要工具。

本土企业普遍希望，政府采购不能只比较价格和性能，还应当要求本地部署、数据本地保存、当地语言支持和人才培训。在部分项目中，还可以加入技术转移、系统可迁移性和供应商退出安排，避免外国企业停止服务后，整个系统无法继续运行。

第六，全球南方市场很重视所谓的模型可携带性和多模型架构。

有参会专家指出，短期看，模型可携带性和多模型架构确实会降低客户对单一模型的依赖，但长期更容易建立信任，也能减少当地政府和公众对供应商锁定的担心。对中国企业来说，以后如果想在发展中国家有比较好的进展，比较合适的定位不是让客户完全依赖自己的模型，而是成为当地开放、可替换的AI生态里非常重要的供应商。

第七，算力、能耗和水耗等问题以后可能越来越重要。

来自全球南方的多位专家强调，自己国家对绿色AI的讨论已经不再是比较原则性的环保问题，正慢慢变成实际的采购和监管要求。以后政府和大客户都会比较关注这些方面，比如完成一个任务到底需要多少算力，能源是从哪里来的，用了多少水，以及采取了哪些减排措施。因此，小模型和高效架构不仅具有成本优势，也可能形成环境竞争力。对于电力和水资源紧张的国家，模型效率本身就是决定项目能否落地的重要条件。

第八，全球南方承认AI能够提高生产率，也可能创造新的技术和创业岗位，但不愿直接接受以裁员和减少用工为中心的发展模式。

他们所认为的、更加符合全球南方利益的路线，是用AI增强劳动者能力，支持中小企业，保护数据工人，把青年培养成技术创造者，并确保AI产生的技能、企业和收入能够真正留在当地。

从当前国际格局看，中国模型进入美国市场面临明显的地缘政治风险。美国之外，欧盟是最重要的高价值市场之一，但中欧关系仍存在较大不确定性，市场准入和合规成本也很高。全球南方因此成为中美AI竞争和全球AI生态塑造的关键地区。认真倾听这些国家的诉求，根据当地的发展阶段、基础设施和治理需求设计合作方案，才是“Token出海”应有的含义。

2025年1月6日，工作人员在中国移动（甘肃·庆阳）数据中心机房内巡检。 新华社

总之，我在这次联合国会议上听到的声音，和乌兹别克斯坦高官的表态基本一致：很多国家并不是要用中国模型完全取代美国模型，而是希望在美国供应商之外保留另一种选择。它们不愿把所有AI需求交给一个国家，更不愿依赖同一家企业。对这些国家来说，引入中国模型既是技术和成本选择，也是分散风险、保持议价能力和维护自主性的一种安排。

中国模型目前价格较低，这是争取全球南方市场的重要优势，但未必能够长期维持。美国企业也在不断降低调用成本，推出更便宜的小模型；英伟达则通过Nemotron等开放模型扩大生态。与此同时，DeepSeek最近提高了部分API价格。这说明模型价格始终在变化：美国公司也会开放和降价，中国公司也必须在低价竞争与商业回报之间寻找平衡。

未来在全球南方，也可能逐步形成分层使用的格局。最复杂、对能力和可靠性要求最高的任务，会使用当时最强的前沿模型；日常办公、本地语言和成本敏感型任务，会更多使用高性价比或开放权重模型；政府、金融和关键基础设施等敏感场景，则会强调本地部署、数据不出境，甚至完全断网运行。当然，这种分工不一定严格按照模型国籍展开。美国公司也会提供便宜的开放模型，中国模型也可能在编程、推理和特定行业进入前沿。

全球南方国家重视“主权AI”建设的趋势已经比较明显，也有其内在合理性，毕竟AI这个东西太大了，也太重要了，实在不能放心全都交到别的国家手上。一些国家的代表还指出，以前发展中国家已经在互联网时代吃了亏，高度依赖中美的硬件、软件和平台生态，不能再在AI时代重演这一幕。

当然，主权AI不等于每个国家都要从头训练一个大模型。多数国家既没有足够算力，也没有这种必要。对这些国家来说更现实的目标，应该是掌握本国数据和部署环境，能够根据本地语言和制度调整模型，并保留更换模型和供应商的能力。

这也需要我们重新思考中国模型出海的方式。直接通过API向海外客户出售模型能力，投入较轻，也容易迅速扩大规模，但存在信任、数据安全和价格竞争等问题。裸模型的切换成本正在下降，一旦出现性能更好或价格更低的产品，客户就可能重新选择供应商。

当然，完整AI系统的迁移并不容易。模型进入生产环境后，客户还要重新调整提示词、工具调用、知识库、安全测试和工作流程。因此，未来具有黏性的将会是围绕模型建立的系统和应用，API本身变得越来越不重要。

中国企业需要警惕一个风险：如果中国模型长期只承担便宜、普通的任务，就可能被固定在低价市场。使用量可以很大，利润率和品牌影响力却难以提高。真正可持续的路径，是以高性价比和开放模型进入市场，再通过部署、更新、安全、行业应用和长期服务建立收入。例如，参与本地语言、政府系统和行业应用建设，可以帮助企业摆脱单纯的价格竞争。因为这种情况下他出售的就不只是token，也不是某一个模型，而是帮助客户长期运行和发展AI的能力。

参与全球南方国家的“主权AI”建设，可以让中国企业获得比模型调用费更广泛的收入。模型权重可以开放，企业仍然可以通过本地部署、推理服务和长期运维收费。政府和大型企业还会购买安全保障、系统更新和本地语言适配。这些项目的前期成本较高，也要培养本地团队，但合同通常持续数年，客户关系会更稳定。单个token赚得可能少一些，整个项目的收入和客户终身价值反而可能更高。

英伟达开放Nemotron，并不主要依靠模型赚钱，而是通过模型带动芯片、软件和基础设施需求。微软提供可以本地运行、甚至完全断网运行的主权云，客户获得了更多控制权，微软仍然可以从软件许可、治理工具和长期服务中获得收入。这些都可以给中国公司提供一些启示。

但这套模式并非所有中国模型公司都能直接复制。拥有云、芯片和数据中心能力的企业，更容易通过模型带动整套基础设施需求。掌握行业客户和应用场景的企业，可以通过工作流程建立黏性。单纯的模型公司则需要发展企业部署、持续更新和安全服务，或者与当地云厂商、电信运营商和系统集成商合作，否则开放权重后，大部分利润可能被合作伙伴拿走。

主权AI项目也不一定天然具有高利润。它们通常投入较大、采购周期较长，还可能涉及本地持股、技术转让和人员培训。如果每进入一个国家都重新定制一套系统，中国企业很容易变成低毛利的系统集成商。因此，核心平台需要尽可能标准化，本地语言、数据和行业功能则做成可以组合的模块。

需要说明的是，中国企业不需要在API和主权AI之间二选一。企业完全可以先通过API和托管服务测试市场，再为大型客户提供当地云区域或专属实例；对于政府和关键基础设施客户，则进一步提供开放权重、本地部署和长期合作，深入参与当地主权AI的建设。

（本文转载自公众号“东不压桥研究院”。）